在真实光学平台上的端到端自主科学发现

科学研究长期以来由人类主导，随着证据积累，通过持续修正问题、方法和论断来催生新知识与变革性技术。尽管基于大语言模型（LLM）的智能体正开始超越辅助预定义研究工作流的阶段，但尚未有智能体在真实物理系统中演示端到端的自主发现并产出有实验证据支撑的非平凡结果。我们提出Qiushi Discovery Engine，一个在真实光学平台上进行端到端自主科学发现的基于LLM的智能体系统。Qiushi Engine结合非线性研究阶段、Meta-Trace记忆和双层架构，在涉及数千次LLM介导的推理、测量和修正动作的长程研究中保持自适应且稳定的研究轨迹。它在非原始平台上自主复现了已发表的传输矩阵实验，并将抽象的相干序理论转化为实验可观测量，据我们所知，首次观测到了这类相干序结构。更重要的是，在一项涉及1.459亿token、3,242次LLM调用、1,242次工具调用、163篇研究笔记和44个脚本的开放式研究中，Qiushi Engine提出并实验验证了光学双线性交互——一种在结构上类似于Transformer注意力核心运算的物理机制。这一AI发现的机制为面向成对计算的高速、高能效光学硬件指明了一条路径。据我们所知，这是首次演示AI智能体系统自主识别并实验验证一个非平凡、此前未见报道的物理机制，标志着研究级自主智能体的一个里程碑。